pandas详解(Series篇)

---

基础铺垫：

pandas简介：

       pandas是一种Python数据分析的利器，是一个开源的数据分析包。此文讲述常用（关键）部分，其余请查阅官方文档
       使用pandas需要引入约定：(文中将不再赘述)
         from pandas import Series, DataFrame
         import pandas as pd

---

pandas基本数据结构：

       1. pandas中主要有两种数据结构，分别是：Series和DataFrame。
       2. Series：一种类似于一维数组的对象，是由一组数据(各种NumPy数据类型)以及一组与之相关的数据标签(即索引)组成。仅由一组数据也可产生简单的Series对象。注意：Series中的索引值是可以重复的。
       3. DataFrame：一个表格型的数据结构，包含有一组有序的列，每列可以是不同的值类型(数值、字符串、布尔型等)，DataFrame即有行索引也有列索引，可以被看做是由Series组成的字典。

---

Series:

Series创建：

       创建方式有两种：
       1. 通过以为数组方式创建
       2. 通过字典的方式创建（此时key变成索引，value变成了值）
如图：

---

Series索引：

       添加索引的方式有两种：一是创建series后再添加index，二是创建series的同时添加index属性（index最好是规律性的，之后好切片取值），如图：

---

Series值的获取：

       1. 通过方括号+索引的方式读取对应索引的数据，有可能返回多条数据

       2. 通过方括号+下标值的方式读取对应下标值的数据，下标值的取值范围为：[0，len(Series.values))；另外下标值也可以是负数，表示从右往左获取数据
       说明：Series的索引是可以重新定义的，下标是不变的（0开始），固是两种方法。如图：

       3. Series获取多个值的方式类似NumPy中的ndarray的切片操作，通过方括号+下标值/索引值+冒号(:)的形式来截取series对象中的一部分数据。（索引和下标切片的时候，区间取得是不同的！）如图：

---

Series运算：

       NumPy中的数组运算，在Series中都保留了，均可以使用，并且Series进行数组运算的时候，索引与值之间的映射关系不会发生改变。
       注意：其实在操作Series的时候，基本上可以把Series看成NumPy中的ndarray数组来进行操作。ndarray数组的绝大多数操作都可以应用到Series上。如图：

---

Series 缺失值检测：

       什么是缺失值？缺失值的产生？
       简单来说，Pandas中的NaN（not a number）就表示一个缺失值，通常因计算时候索引不对应 或 没有为其赋值 产生，如图：

       缺失值如何检测？如何处理？
       pandas中的isnull和notnull两个函数可以用于在Series中检测缺失值，这两个函数的返回时一个布尔类型的Series，如图（继续上图操作）：

---

Series自动对齐：

       当多个series对象之间进行运算的时候，如果不同series之间具有不同的索引值，那么运算会自动对齐不同索引值的数据，如果某个series没有某个索引值，那么最终结果会赋值为NaN。如图：

---

Series及其索引的name属性：

       Series对象本身以及索引都具有一个name属性，默认为空，根据需要可以进行赋值操作。如图：

至此，Series部分基本讲解完毕，请到下节DataFrame篇